一种融入用户点击模型Word2Vec查询词聚类

被引：4

作者：

杨河彬

贺樑

杨静

机构：

[1] 华东师范大学计算机应用研究所

[2] 华东师范大学上海市多维度信息处理重点实验室

来源：

小型微型计算机系统 | 2016年 / 37卷 / 04期

关键词：

查询词; 聚类; Word2Vec; 点击模型; CT-Word2Vec;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

用户查询聚类能够帮助搜索引擎了解当前热点、用户兴趣及需求,在搜索引擎性能优化及定向广告投放等起到了非常重要的作用.基于用户查询词长度非常短的特点,提出基于Word2Vec的词向量的用户查询词表示方法.并在Word2Vec的基础上提出CT-Word2Vec神经网络语言模型.CT-Word2Vec模型不仅利用词汇的上下文信息将词转化成向量,而且还将用户的搜索点击行为融入词向量的学习过程当中.聚类实验结果表明,基于Word2Vec的词向量的查询词表示方法相对于传统的词袋法在熵、纯度衡量指标上有20%到30%的提高.基于CT-Word2Vec的词向量表示方法与Word2Vec相比有2%到4%的提升.

引用

页码：676 / 681

页数：6

共 4 条

[1] 融合广告主行为的拍卖词实时触发
解忠乾
常笑
姬东鸿
[J]. 计算机应用, 2014, 34 (09) : 2566 - 2570
[2] 利用word2vec对中文词进行聚类的研究
郑文超
徐鹏
[J]. 软件, 2013, 34 (12) : 160 - 162
[3] 基于word2vec与语义相似度的领域词语聚类[A]. 罗杰,王庆林,李原.第三十三届中国控制会议论文集（A卷）[C]. 2014
[4] Short text similarity based on probabilistic topics
Quan, Xiaojun
Liu, Gang
Lu, Zhi
Ni, Xingliang
Wenyin, Liu
[J]. KNOWLEDGE AND INFORMATION SYSTEMS, 2010, 25 (03) : 473 - 491

← 1 →